Precipitation regridding – Impacts at global scale
Notice bibliographique
Résumé
<p>Re-gridding considerably alters precipitation statistics. Despite this fact, regridding precipitation datasets is commonly performed for coupling or comparing different models/datasets. In general, several studies have highlighted the effects of regridding at regional scale. In this study, the effects of re-gridding precipitation are emphasized at a global scale using different regridding methods, size of the shifts and resolutions of the dataset. Substantial differences are noted at high quantiles and precipitation dry (or wet-dry frequency) is altered to a great extent. Specifically, a difference of 46 mm in high (0.95) quantiles and a reduction of 30% wet-dry frequency is noted. The differences increase with the size of the grid shift at higher quantiles and vice versa for low quantiles. As the grid resolution increases, the difference between original and regridded data declines, yet the shift size dominates for high quantiles for which the differences are higher. Spatially, large differences at high quantiles in tropical land regions, and at low quantiles in polar regions are noted. These impacts are approximately same for the three different (first order conservative, bilinear, and distance weighted averaging) regridding methods considered in this study. Overall, re-gridding should be performed with caution as it can alter the statistical properties of precipitation to a great extent and adds uncertainty to further analysis of using in any models or in combined precipitation products.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,060 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».